Por qué es tan difícil cualificar los datos?

Fecha: Jue, 01/09/2016 - 15:34 Fuente: Por John Manning, Director Técnico de Information Builders para España, Portugal y Latinoamérica

Cuando una organización consigue limpiar sus vastos almacenes de datos y librarlos de errores, tiene más posibilidades de éxito a la hora de aumentar su crecimiento y afrontar procesos de negocio críticos

Por qué es tan difícil cualificar los datos?

John Manning, Director Técnico de Information Builders para España, Portugal y Latinoamérica

Imagen cortesía de Information Builders

Las ventajas de la calidad de datos se manifiestan de diferentes maneras dependiendo del tipo de compañía, pero podemos agruparlas en cuatro grandes grupos:

• Mejores relaciones: Cuanto más certera sea la información que usted sustenta sobre su cliente, mayor confianza depositará éste en su empresa.  Cada vez que su cliente percibe algún dato erróneo, las probabilidades de que se marche a la competencia aumentan.

• Mejores estrategias: Una fotografía fiel de su negocio le ayuda a saber qué debería hacer para mejorar sus resultados. Por el contrario, una visión incorrecta sobre la realidad de sus clientes y proveedores, así como de sus procesos y KPIs, suele conducir a la toma de decisiones estratégicas equivocadas.

• Gasto más apropiado: Para saber en qué área de su empresa debería invertir más, necesita contar con una fotografía fidedigna de su negocio. Para saber dónde está gastando su dinero, necesita disponer de una perspectiva coherente de la realidad de sus proveedores y de sus flujos de gasto. Si no tiene acceso a ella, es más que probable que esté invirtiendo de manera inapropiada, tratando de solventar problemas irrelevantes o consiguiendo los descuentos menos propicios.

• Mejor rendición de cuentas:Si alguien de su compañía puede culpar a los datos erróneos de las malas oportunidades comerciales que se le presentan, será difícil justificar el estado de esos datos. Si la coyuntura de su empresa es transparente y se encuentra definida de manera precisa, podrá distinguir mejor si el problema radica en los datos o en unas oportunidades de venta de dudosa viabilidad.

De cualquier manera resulta complicado que una empresa alcance un nivel alto en la calidad de sus datos. El aumento exponencial que se ha producido tanto en el volumen como en la variedad de la informaciónha supuesto que los datos incorrectos convivan en todos los sistemas informáticos. Cualquier conjunto de datos, por muy escueto que sea, puede generar problemas en la contabilidad de una empresa si se inmiscuye en el proceso, invadiendo diferentes fuentes de información. Por ejemplo, la dirección errónea de un cliente sita en una aplicación CRM puede provocar diversas situaciones indeseables: un error en el envío de una factura, una situación de confusión durante una llamada telefónica con el departamento de soporte, trabajo extra para el servicio de atención al cliente, una acción de marketing mal dirigida o una promoción inapropiada. Pensemos también en latípica situación en la que faltan algunos dígitos de un número de pedido que forma parte de un sistema de gestión de materiales, y que termina incidiendo negativamente en la eficiencia de las actividades de compra y aprovisionamiento, así como en las ventas y beneficios, al ralentizar los procesos de fabricación.

Una metodología apropiada
Para asegurarse que están empleando datos lo suficientemente cualificados, las compañías han de desarrollar reglas, políticas y procedimientos comprensibles que eliminen errores, duplicaciones e inconsistencias en todo tipo de sistemas: desde soluciones de back-end hasta aplicaciones de customer-facing pasando por data warehouses y plataformas B2B. Además, necesitan implantar tecnología de última generación para garantizar la ejecución futura de esas directrices. Cualquier organización, sea cual sea su tamaño y su sector de actividad, tendrá dificultades a la hora de alcanzar y mantener un nivel apto en la calidad de sus datos.
Para más inri se está produciendo una proliferación del número de herramientas self-service de visualización de datos, lo que está generando más confusión en el mercado. Cada analista trabaja en su propio activo de datos, mejorando aquellos que no se pueden propagar a la fuente. Y tampoco usa metadatos. Por ello la gente se pregunta por qué cada uno obtiene diferentes resultados, cuando deberían ser los mismos. El motivo, el de siempre: el dichoso Excel, aunque ahora ofrezca gráficos más lindos.

Entonces, ¿qué hacer? Lo mejor sería contar con una estrategia de datos que incluya nociones empresariales estratégicas que atiendan tanto a las personas como a los procesos y a la tecnología en su relación con la organización, el gobierno y el uso de los datos. Entendamos las claves:

• Personas: ¿Quién es el responsable de organizar los datos en una empresa? ¿quién tiene los suficientes conocimientos para saber cómo deberían ser gobernados esos datos? ¿con quién deberían ser compartidos para extraer beneficios desde el área de negocio? Estas cuestiones ayudan a identificar los requisitos que demanda una adecuada calidad de datos. Podrían permitirnoshallar patrocinadores en los que no habíamos pensado hasta la fecha, pero que se podrían beneficiar de una calidad de datos mejorada. Podrían identificar a los trabajadores más capacitados para liderar la causa de una mejor calidad de datos. Y, además, podrían ayudarnos a dilucidar la figura del `data steward´, es decir, la de aquel profesional con perfil de negocio que comprende el valor específico de los datos y que se puede responsabilizar de su calidad.

• Procesos: Cualquier organización debe considerar los procesos donde la información se genera o altera, y las diferencias existentes en términos de calidad, corrección y latencia.Los creadores de los procesos de negocio deberían discutir qué datos requieren los niveles más altos de precisión, y cuáles tienen un margen mayor de tolerancia: en una horquilla de un 3% a un 0,3% las consecuencias en términos de costes y esfuerzos pueden oscilar de manera abismal. Lo ideal sería que existieran métricas de cualificación de datos en procesos donde se consumen esos datos, de tal forma que los usuarios puedan comprender en qué radica ese proceso y cómo les beneficia. También se debería hacer hincapié en los procesos de reparación de datos erróneos, y en cómo se han de conectar los departamentos de TI y de negocio para hacerlos realidad.

• Tecnología:La tecnología ha de ser la última consideración. Nunca se debe implementar una tecnología sin tener claro el proyecto en el que la organización pretende adentrarse. Con esta salvedad, cabe decir que casi todos los programas de calidad de datos existentesexigen requerimientos similares. El programa típico demanda un perfilado casi constante de datos y un set de métricas de calidad. Una implantación habitual de cualificación de datos suma un amplio abanico de funcionalidades –desde la validación al limpiado pasando por el enriquecimiento y el gobierno de datos- para conseguir que la información sea lo más confiable posible, al tiempo que gestionable y flexible.

No existe una solución milagrosa. Resulta difícil encontrar la calidad de los datos porque demanda muchas conexiones: foco en los beneficios empresariales, una fluida interacción entre TI y negocio, así como un continuo replanteamiento de cómo las personas, los procesos y la tecnología pueden ayudar a organizar, gobernar y compartir los datos. Cada organización tiene su problemática, perosi apuesta por una metodología específica podrá discernir qué áreas necesitan más ayuda y cuáles son las mejoras específicas. 

valorar este articulo:
Su voto: Nada Promedio: 3.5 (2 votos)

Enviar un comentario nuevo

Datos Comentario
El contenido de este campo se mantiene como privado y no se muestra públicamente.
Datos Comentario
Datos Comentario
Enviar